AlphaGo的胜利对AI和机器学习意味着什么

时间:2019-03-07 15:33:04 阅读:49次
alphago采用了何种人工智能技术

   Google的人工智能AlphaGo在他自己的游戏中击败了世界第一,这有多重要?

  这是世界上最古老的棋盘游戏,但它可能是技术革命中新的重大发展的背景。

   Google的AlphaGo使用一些最先进的人工智能和机器学习技术击败了世界排名第一的Go玩家Ke Jie。

什么是Go以及为什么它与AI有关?

   Go是在2500多年前在中国发明的,被认为是世界上最复杂的游戏之一。 / p>

  这是一款在19×19网格板上进行的策略游戏,玩家轮流在网格上放置黑白石头,以捕捉对方的领地。

人工智能研究人员青睐它,因为与国际象棋等其他战略游戏相比,有更多的结果。事实上,据称Go中有更多的潜在动作,而不是宇宙中的原子。举例来说,一轮国际象棋有400个可能的董事会职位,而Go有129,960个。

   Go的复杂性在于它需要复杂的评估功能。在国际象棋中,物质价值超过知识的其他方面 - 剩下更多重要作品的玩家通常会获胜。但是,Go拥有基于模式的知识,这对于编程非常复杂。

他们是如何为AlphaGo开发技术的呢?

  当它在击败18位世界冠军Lee Sedol后于2016年3月首次登上头条时,AlphaGo结合了先进的树搜索功能神经网络来处理它的动作。这些神经网络能够通过12个不同的网络层处理游戏板 - 每个网络层都有数百万个连接。虽然“政策网络”选择了下一步的发挥,但“价值网络”预测了游戏的赢家。

  今年的版本因效率提高而有所不同。 AlphaGo现在运行在单个Tenor处理单元机器上,使用比以前少十倍的计算能力,同时以更快的速度学习。因此,它几乎可以完全通过对抗自身来学习游戏,而不是依赖于人类生成的数据。理论上,这种深度强化学习技术允许系统专注于Go之外的更广泛的任务。

这对人工智能和未来意味着什么?

  谷歌长期以来声称其DeepMind技术可以解决社会经济挑战。它已经与英国国家健康服务部达成了一项为期五年的协议,以开发其医疗保健应用程序。此外,DeepMind还用于将数据中心的能耗降低15%,使冷却系统的效率提高40%。

  有很多人工智能和机器学习的例子已经支持了苦苦挣扎的服务。例如,人工智能在预测心脏病发作方面比标准医疗指南表现更好。诺丁汉大学使用四种机器学习算法分析了2005年的电子病历,根据2015年的记录进行预测。

  使用适当的使用标准(1.0为最高),算法的预测分数为0.745-0.764,而一般指南的预测分数为0.728。或者更确切地说,从83,000条记录的样本中,最好的算法可以挽救355名患者的生命。

  随着DeepMind等技术的不断发展,期望这些突破变得更加普遍和更加明显,这是不可想象的。

比我们认为的更快

  像许多科技评论家一样,谷歌相信AlphaGo需要更长时间来征服棋盘游戏世界。

   DeepMind已经将注意力转向星际争霸II,这是一款复杂的策略游戏,由于附加了变量的数量,因此被认为比Go更具挑战性。例如,玩家无法一次看到整个地图,在规划移动时给予他们较少的信息。

  当然,人工智能公司有更高的野心。考虑到AlphaGo如何在一两年内从业余的Go玩家变成几乎无人能敌的人类,很明显,人工智能为我们提供实实在在的利益的最终游戏比我们想象的更接近。

   Inbenta是客户支持,电子商务和会话聊天机器人的自然语言处理和人工智能领域的领导者,提供易于部署的解决方案,可提高客户满意度,降低支持成本并增加收入。 / em>的

  有兴趣了解更多信息?我们的专家团队将向您展示Inbenta如何使您的公司受益。

  让我们联系

AlphaGo的胜利对AI和机器学习意味着什么所属专题:机器学习 AI 《AlphaGo的胜利对AI和机器学习意味着什么》链接:http://www.cnnaili.cn/880

AlphaGo的胜利对AI和机器学习意味着什么相关文章

  • 用人工神经元进行无监督学习
  • 借助TrueNorth,嵌入式系统可以进行深度学习推理
  • 使用分布式学习来提升Watson的Visual IQ
  • 学会回答非平凡的问题:通过深度学习推理知识库
  • IBM Research利用新的软件技术实现了创纪录的深度学习性能
  • 脑启动AI:神经科学如何帮助推进机器学习
  • 使用深度学习来预测海浪
  • 深度学习的开放标准,以简化神经网络的发展
  • 使用物联网和机器学习来跟踪肺病的进展
  • 机器学习过去常常超过MELD来评估肝脏疾病
  • IBM科学家证明使用GPU可以将大规模机器学习速度提高10倍
  • 分布式深度学习培训控制提供10倍的性能提升
  • ROMEO寻求通过机器学习和边缘物联网改善风电场
  • 从研究论文中自动生成深度学习模型的代码
  • 攻丝机学习促进更多地利用仿生学进行创新
  • 深度学习培训时间显着减少
  • IBM Research的深度学习进展
  • IBM利用POWER9和NVIDIA GPU设置万亿级机器学习基准记录; PowerAI即将推出
  • 一种用于大规模图的可扩展深度学习方法
  • 在强化学习中发现特征选择的新算法
  • 加速机器学习算法的培训
  • 使用深度学习生成餐厅评论
  • 使用OpenCV和深度学习在视频中跟踪对象
  • 开发一个使用机器学习的基于Web的移动健康应用程序
  • 在Kubernetes上部署和使用多框架深度学习平台
  • 创建一个Web应用程序以与机器学习生成的图像标题进行交互
  • 创建一个Web应用程序,以便与使用机器学习检测到的对象进
  • 机器学习模型的性能评估
  • 构建机器学习推荐引擎,以鼓励基于过去购买行为的额外购买
  • 使用内部部署数据训练基于云的机器学习模型